分类 机器视觉 下的文章

本文是机器视觉2D引导定位的第四篇。主要是在前几篇文章的基础之上，推导单点纠偏理论。

单点纠偏的使用场景是下相机拍物料，然后根据运行时图像特征点位置和角度、以及基准点位置和角度，计算出从运行点移动回基准点需要的移动量。

注意，和单点抓放有所不同，单点抓放是从基准位置变换到运行位置，而单点纠偏是把运行位置调整到基准姿态！

理论推导

考虑一个旋转+平移的纠偏场景:

单点纠偏-旋转平移.png

显然，单点纠偏是计算\(\vec{Z'Z}\):

阅读剩余部分

本文是机器视觉2D引导定位的第三篇。主要是基于前两篇的理论，使用 Hik VM 进行实践，计算旋转平移标定的偏移量，并与MATLAB手算的结果进行比对。

过程简介

  • 计算仿射变换矩阵
  • 计算旋转中心
  • 注册基准点
  • 计算运行点与基准点的变换参数

在实操上，体现为标定和生产两个流程：

VM生产流程截图.png

Hik VM 标定与运行

标定

采集图像过程如下：

  • 九点标定（计算标定矩阵），采集九张图像，同时记录物理坐标

  • 在基准拍照位进行五点拟圆（计算旋转中心），采集五张图像，同时记录物理坐标

阅读剩余部分

  1. 1
  2. 2